如何在手写文本识别中对数字和单词进行分类

Question

我正在使用神经网络进行手写文本识别， 认为我在这个中使用过

• 用于图像处理的opencv
• 页面分割和文本框提取
• 分词（或任何更准确的分词/屏蔽文本的建议）

我有一个包含姓名、年龄和出生日期文本框的表格 name 字段的结果很好（能够识别），但对于 DOB 和年龄，它不能完全识别为数字，一些数字，如 '1' 和 '0' 被识别为 'i' 和 'o' .

我如何将其分类为单词和数字，或者我可以将任何其他模型仅用于数字（目前我已经使用 IAM dataset-words 训练了 NN），或者任何建议。

result : --i-16-16-
result : -i-i6-86-

Answer 1

您可以训练另一个 NN，因为数字识别不是一项相对计算密集的任务。

或者，如果文档具有固定格式，那么您会知道年龄和出生日期的位置。在这种情况下，在对输出层设置阈值来决定输出时，只对表示数字的神经元执行此操作。

例如，假设您有 5 个数字 {'1','2','3','4','5'} 和 5 个字母 {'a','e','i','o','u'}。训练有素的神经网络的输出层给出[0.38, 0.006, 0.01, 0.004, 0.1, 0.03, 0.009, 0.4, 0.001, 0.06]。

在其上执行 softmax 以获得概率解释。并选择一个输出。而是只对代表数字的神经元执行 softmax。您也可以将其视为先验概率为零。

这里i 的激活度高于1。但是在执行 softmax 时，您只选择代表数字的神经元。因此你会得到1。